白话AI编程：六个项目绑了六套工具，最耐读的是讲「偏科」那两页

2026-11-10silcano

微信读书《白话AI编程：从入门到实践》· 抓取 498 屏 / 13 章 / 71 条目录 · 读到书尾
逐字核对 5 屏 · p0006 前言书名条核对为本书 · 2026-11-10
抽样点位的选法：这本书结构分两段——第 1–7 章讲基础（291 屏），第 8–13 章一章一个真项目（196 屏）。我按「两段各取两头」抽：p0044（1.5.2 偏科，我判断是全书最抗时间的一段）、p0048（1.6 思维误区，作者在这里说得最狠）、p0303（第 8 章开头，最短的一个项目）、p0454（第 13 章开头，最长的一段路），再加 p0006 前言里六个项目的摘要页。抽读 5 屏约占 1%，重点压在三个问题上：这本书凭什么叫「白话」；六个项目与六套工具是怎么配的；以及工具一变，这些章节还剩多少。

这一批书里，讲 AI 编程的不多，讲得这么「按活儿排」的更少。498 屏、13 章、71 条目录，读起来很顺——不是因为它浅，是因为它每一章都有一个明确的终点：做出一个能打开、能点、能用的东西。

我的总判断是：这本书最值钱的不是那六个项目，是第 1 章里讲「偏科」的那两页。项目会过期，判断不会。

一、结构：前七章讲怎么不踩坑，后六章一章一个产物

篇幅先算清：第 1 章你好 AI 编程 53 屏（10.6%）、第 2 章必备编程基础 54 屏（10.8%）、第 3 章上下文工程 29 屏（5.8%）、第 4 章提示词 40 屏（8.0%）、第 5 章 Rules 35 屏（7.0%）、第 6 章 MCP 44 屏（8.8%）、第 7 章版本控制 36 屏（7.2%）、第 8 章 CodeBuddy 15 屏（3.0%）、第 9 章 TRAE 27 屏（5.4%）、第 10 章 Cline 32 屏（6.4%）、第 11 章 Cursor + Xcode 60 屏（12.0%）、第 12 章 v0 + Supabase 17 屏（3.4%）、第 13 章 Claude Code 45 屏（9.0%），前置 11 屏。

基础七章 291 屏、58.4%；实战六章 196 屏、39.4%。这个配比有点反常——多数「实战」书会把项目放在七成以上，这本反过来，把六成篇幅花在「怎么跟 AI 说清楚、怎么给它立规矩、怎么管住它的改动」上。

我一开始觉得这是注水，读完之后改了判断：AI 编程真正难的地方确实在前面。第 3 章上下文工程、第 5 章 Rules、第 6 章 MCP、第 7 章版本控制，这四章加起来 144 屏，讲的全是「怎么让 AI 别乱来」——给它对的文件、给它立规矩、给它接工具、给它留后悔药。真到了写页面的阶段，反而是最快的。

71 条目录摊 498 屏，平均 7 屏一节。这个密度不算高，但它有个好处：章名就是产物名。「用 CodeBuddy 开发『SVG 转 PNG』工具站」「用 TRAE 开发『图片转 PNG』浏览器插件」——你想做什么，直接翻到那一章，不用猜。

二、第 8 章那 15 屏，是「小工具」的正确示范

第 8 章是全书最短的一章，15 屏，用 CodeBuddy 做一个「SVG 转 PNG」的工具站。我原本以为最短的一章会很水，结果它的开头是全书写得最聪明的一段。

它没有一上来就讲技术，而是先讲需求怎么来的：「在开发 Chrome 浏览器插件的过程中，经常需要使用多种尺寸的图标（PNG 格式）。」然后把四种尺寸一条条列出来：16×16，浏览器地址栏或工具栏中的小图标，用于标识插件状态或触发快速操作；32×32，Windows 系统常用的图标，在部分场景下作为备选图标显示；48×48，扩展管理页面中的中等尺寸图标；128×128，Chrome 应用商店或扩展目录中的大尺寸图标，用于宣传和促进下载。

然后是一句抱怨，说得非常实在：「如果每次都要用图像处理工具将 SVG 格式的图片一张张导出为上述尺寸的 PNG 图标，就太烦琐和低效了。」

「烦琐和低效」——这五个字是整本书的方法论。它选的六个项目，全都是「你自己真会用到、但市面上的工具用起来别扭」的小东西：插件图标批量转换、图片转 PNG、爬点数据、给自己做个文生图 App、做个导航站、做个小程序。

这个取材标准比「做个电商后台」高明得多。一来小工具能在几十屏内做完，读者不会中途放弃；二来做完真能用，正反馈来得快；三来需求边界清楚，AI 不容易跑偏。很多编程入门书死在「第一个项目就要搭一个完整的系统」，读者做到一半就散了。

三、1.5「偏科」那两页，是全书最抗时间的一段

p0044 是 1.5.2，标题只有四个字：「偏科」——擅长领域有限。

它先说模型的偏科：「大模型是『偏科』的，因为大模型的表现高度依赖训练数据。对于一些大众编程语言（如 Python、JavaScript 等），大模型往往表现得比较出色，但对于一些小众编程语言，其表现则可能不尽如人意。以 Claude 和 Gemini 系列模型为例，虽然它们都是顶尖的编程模型，但由于没有太多关于微信小程序的代码训练数据，它们在这类项目中的表现往往没那么出色。」

这段话的分量，在于它敢说「顶尖模型也有不行的场景」，而且举的是自己书里要用的技术栈。写书的人一般不愿意承认这一点——承认了，后面第 13 章「用 Claude Code 开发商业小程序」就显得冒险。但它还是写了，而且在同一页给出了应对。

接着它说工具的偏科：「编程工具也存在『偏科』。1.4 节介绍主流的 AI 编程工具时提到，每种 AI 编程工具都有各自擅长的领域，比如 Cursor 的综合编码能力很强，但前端审美可能一般，而 v0、Bolt.new 专注于构建前端，这方面的能力很突出。」

然后是应对，这段我读了两遍：「为应对大模型的『偏科』，目前可行的方法是通过给大模型提供更多参考示例来提升生成效果。对于编程工具的『偏科』，可以通过『取长补短』的方法弥补，比如使用 v0 开发前端，然后将代码导入 Cursor 中进行微调；也可以为 Cursor 指定常见的 UI（user interface，用户界面）风格，如 Apple Design、Material Design、Ant Design 等，或者直接上传图片供 Cursor 参考。」

三种补法，三个层次：换工具（v0 做前端 → Cursor 微调）、给约束（指定 UI 规范）、给参考（上传图片）。这三招我今天还在用，而且不依赖任何具体产品——不管是 CodeBuddy 还是 Claude Code，是 Cursor 还是 TRAE，「换工具、给约束、给参考」这套打法都成立。

这就是我说的「抗时间」：项目会过期，工具会改名，只有这类判断不会。一本实战书里最值钱的，往往不是最实战的那几章。

四、1.6 那段「不必先学编程语言」，说得比谁都干脆

p0048 是 1.6「学习 AI 编程的思维误区」。它只讲了一个误区，但讲得很透。

「许多新手在入门 AI 编程前有这样的担忧：零编程基础的人能否学会 AI 编程？是否需要先学习某种编程语言（如 Python、JavaScript 等）再学习 AI 编程？」

它的回答是：「有些人确实选择先学习一种编程语言，结果发现编程语言的学习资源大都冗长且枯燥，往往难以坚持，甚至因此而放弃了 AI 编程。不难发现，这种思维误区显著提高了学习门槛，将很多人拦在 AI 编程的大门之外。实际上，就像前面展示的案例，AI 编程工具通过自然语言交互大幅降低了编程的复杂性，即便使用者不懂编程语言，也能通过简单的提示词快速生成代码。」

更关键的是后面那句建议：「如果你的目标不是成为程序员，那么学习 AI 编程时要换一个思路：用 AI 编程解决身边的具体问题，在解决问题的过程中学习并掌握 AI 编程。」

这句「如果你的目标不是成为程序员」是全书最重要的一次划界。它不鼓吹「人人都该会编程」，也不吓唬人「不懂原理迟早出事」，而是把读者分成两类：要当程序员的，去学语言；只想解决问题的，从问题开始。市面上讲 AI 编程的书，多数在这件事上含糊——既想招揽零基础读者，又舍不得放下「基础很重要」的身段，最后写成一锅夹生饭。这本没有含糊。

为了把这个说法落地，它举了两个身边人的例子。一位朋友因为家人患糖尿病需要严格控制饮食，便用 Cursor 给自己和家人做了一个「食物糖分分析」小程序——只要把食物照片上传到小程序，就能快速查询和分析食物的糖分含量与升糖指数，并给出饮食建议。另一位在人力资源部门工作的朋友，每月都要处理格式混乱的考勤表，过去要花数小时手动筛选和计算，枯燥且极易出错；现在她用 TRAE，仅用几句简单的指令就生成了用于统计和处理考勤表的 Python 脚本，把过去几小时的繁重工作变成只需几秒就能一键运行的自动化任务。

这两个例子选得准。它们不是「用 AI 做了个炫酷的东西」，是「用一个下午解决了自己每周都要受一次的罪」。这种需求最有说服力，也最容易复制。

五、六个项目配六套工具，是把双刃剑

第 8 到 13 章，六章六个项目，每章换一套工具：CodeBuddy、TRAE、Cline、Cursor + Xcode、v0 + Cursor + Supabase、Claude Code。

p0006 的前言把这六个项目逐个交代了，我挑三处说说它的用心。

第 3 个项目（第 10 章，Cline 数据采集）分了三种采集方式，还标了各自适用场景：「浏览器插件采集（适用于小规模、快速采集场景）、Python 程序采集（适用于包含大规模结构化数据的网站和复杂动态页面的数据采集），以及使用 Playwright MCP Server 采集（适用于需要同时处理多个会话或标签页的场景）」。按场景分工具，而不是按工具讲功能——这个次序对读者友好得多。

第 5 个项目（第 12 章，v0 + Cursor + Supabase）用了一个比喻：「这 3 个工具分别为项目的『首席 UI 设计师』『总工程师与核心程序员』『后勤与数据中心』，共同实现一个包含前端、后端和数据库的全栈应用。」三个角色一分，读者立刻明白三件工具之间不是替换关系，是分工关系。

第 6 个项目（第 13 章，Claude Code）则换了路数：「使用 Claude Code，搭配 3 个实用的 MCP Server 开发一个拥有支付能力的微信小程序。」p0454 的章首导语写得有意思：「若习惯使用图形用户界面（graphical user interface，GUI），初次面对命令行工具可能会感到陌生，甚至会有一丝畏惧。这正是我们想要帮你攻克的最大难点。我们将带你领略命令行工具的独特魅力：它摒弃了所有非必要的可视化元素，让你能更加专注于当前的业务逻辑本身。」

把「命令行」当成一次「思维转变」来讲，而不是当成一个更高级的用法来讲，这个定位是对的。GUI 让人盯着按钮，CLI 让人盯着任务。这个区别，比任何操作步骤都重要。

但双刃剑的另一面也在这里：六个项目绑了六个工具，其中任何一个改名、改价、改权限、改默认模型，对应的那一章就读不动了。这不是作者的错——写 AI 工具书的人，本质上是在给一条正在流动的河拍照片。但读者该知道：这本书的「操作部分」有保质期，而「判断部分」没有。

六、它的短板

第一，难度与篇幅反着走。第 12 章要做导航站，前端、后端、数据库、部署全上，只有 17 屏；第 8 章只是把 SVG 转四种尺寸 PNG，15 屏；而相对简单的「文生图 iOS 应用」占了 60 屏。越是需要交代清楚的多工具协作，给得越少。读者在第 12 章最容易被卡住，偏偏这一章最薄。

第二，不算钱。六个项目里，Supabase 的免费额度、模型 API 的调用费、Claude Code 的订阅、Cline 用的 key 从哪来，498 屏里没有一个数。做小程序那一章还涉及支付能力——这已经不只是成本问题，是资质问题（要不要主体、能不能提现），书上没提。

第三，没有返工现场。六个项目全程顺风顺水。可 AI 编程最常见的情形是：改一个 bug，它顺手改坏三处；让它重构，它把能跑的代码改成不能跑的。这种时候怎么办？——第 7 章讲了版本控制，算是留了后悔药，但没有一节完整的「翻车复盘」：我让它改了什么、它改坏了什么、我怎么退回、第二次怎么问。

第四，目录偏粗。71 条目录对 498 屏，平均 7 屏一节，比同批的 203 条、169 条稀疏得多。作为一本要边做边查的书，操作细节（比如某个报错怎么处理）很难靠目录定位。

该说的好话也得说：这本书在「教谁」这件事上想得很清楚——不是培养程序员，是帮普通人把身边的麻烦做成小工具。它敢说顶尖模型有短板，敢说不用先学语言，敢把命令行当作思维训练来讲。这三件事，比多写两个项目难得多。

七、一句话

如果你是想给自己做一个工具、又完全不会编程的人，这本书的路径目前最好走：先看第 1 章的偏科与误区，再照第 8 章做个小工具，剩下的按需翻。它的六个项目会随工具一起过期，但「换工具、给约束、给参考」这三招，以及「从身边的麻烦开始」这条判断，能撑很久。